Modal 教程:用 RL 一次跑通让 Qwen 画水彩花的实验
charles_irl · x · 2026-10-22
有人用 Modal 训练库一次性复现了此前用强化学习教模型画花的水彩实验,并发布了完整教程。Charles 顺手玩梗「let a thousand policies contend」(百家争 policy)。
教程要点:
- 基于 p5.brush 让模型生成花朵水彩代码草图,灵感来自社区博客的 RL 实验
- 训练 Qwen3.5-4B,奖励函数由 Qwen3.6-27B 作为 judge,与 HuggingEnvs/watercolour-reference-pool 参考图库做两两对比打分
- 每次 rollout 的草图在 Modal Sandbox 中渲染为 PNG 再送评
- 附完整代码与奖励曲线,可在 Modal Dojo 上自行复现
「编程与Agent」频道最新
- OpenLore 开源：一个 Markdown 文件夹让 Claude Code 与 Codex 共享记忆 — Arindam_1729 · 2026-10-22
- 用 Claude Code+Blender Python 复刻机械蜘蛛教程,做出会走路的便当盒 — sidahuj · 2026-10-22
- Claude Code 通宵自主生成 2000 张 Krea2 图像并自评调参 — reynadsaltynuts · 2026-10-22
- 独立开发者用 AI 做第四款游戏，先搭起资产管理中心 — ezshine · 2026-10-22
- seatedro 发布跨平台代码审查工具 diffy，主打语义 diff 替代 GitHub — seatedro · 2026-10-22
- 开源 Garmin MCP 连接器：把运动数据接入 AI 教练 — Vast-Grapefruits · 2026-10-22